Please use this identifier to cite or link to this item:
https://repository.uksw.edu//handle/123456789/20938
Title: | Penerapan Metode Item-Based Collaborative Filtering untuk Sistem Rekomendasi Data Movielens |
Other Titles: | Application of Item-Based Collaborative Filtering Method for Movielens Data Recommendation System |
Authors: | Jaja, Yohanes Visher Laja |
Issue Date: | 2019 |
Publisher: | Program Studi Matematika FSM-UKSW |
Abstract: | Pada masa sekarang ini film telah menjadi salah satu hiburan favorit utama masyarakat. Jumlah film pertahun terhitung mencapai ribuan. Hal ini membuat penggemar film kesulitan dalam memilih film mana yang tepat untuk ditonton sesuai keinginan. Sehingga dibutuhkan sistem rekomendasi yang bertujuan untuk memberikan saran film mana yang akan dipilih. Sistem rekomendasi adalah sistem yang membantu pengguna dalam mengatasi informasi yang meluap dengan memberikan rekomendasi spesifik bagi pengguna dan diharapkan rekomendasi tersebut bisa memenuhi keinginan dan kebutuhan pengguna. Terdapat tiga jenis sistem rekomendasi berdasarkan metode yang digunakannya yakni, collaborative filtering, content-based filtering, dan hybrid. Metode yang digunakan adalah collaborative filtering merupakan salah satu yang sering digunakan dalam sistem rekomendasi. Collaborative filtering dibagi menjadi dua bagian yaitu item-based collaborative filtering dan user-based collaborative filtering. Dalam tugas akhir ini penulis menggunakan metode item-based collaborative filtering. Data set yang digunakan adalah data set dari MovieLens.org berupa 100.000 rating yang diberikan oleh pengguna terhadap film. Data MovieLens akan diproses menggunakan program R dan memakai paket R yaitu recommenderlab. |
Description: | Tidak diizinkan karya tersebut diunggah ke dalam aplikasi Repositori Perpustakaan Universitas. |
URI: | https://repository.uksw.edu/handle/123456789/20938 |
Appears in Collections: | T1 - Mathematics |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
T1_662016013_Abstract.pdf | Abstract | 187.71 kB | Adobe PDF | View/Open |
T1_662016013_Full text.pdf Restricted Access | Full text | 2.03 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.